思维导图

本文通过一个真实面试题目来讲解R语言的数据挖掘

一、题目

建立线性回归模型，预测各个酒店未来一段时间每天的订单量

数据：

二、数据处理

• 首先，将没有任何意义的单纯表示排序的第一列去除，并将除y之外的所有变量都视为自变量

• 另外，在原始数据集中，date变量不具有任何意义，绘制折线图如下：

• 可以发现date的周期大约为7天，符合认知，于是将date转化为星期

• 代码示例：

三、查看模型效果并进行模型调优

1.查看模型效果

• 使用summary函数查看当前模型情况：

• 可以看到，模型还有很大的提升空间，很多变量的显著性不是很明显，可以去掉，避免过拟合，同时也可以引入交互项和高次项。

2.模型调优

• 因此，引入交互项和高次项，同时通过AIC和BIC方法进行变量筛选

• 代码示例：

• 通过AIC和BIC方法，选出了两个不同的线性回归模型

• 由于BIC引入了对变量数量的惩罚系数，因此它选出的变量更少

3.模型对比

• 通过交叉验证做进一步对比

• 代码示例：

• 输出结果：

• 通过对比两个模型的MSE（均方误差），会发现使用BIC方法选出的模型的MSE更小，并且用到的变量更少。

四、选择最终模型对测试集进行预测

• 预测并将结果写入CSV文件：

参考文献

1.《拿下Offer 数据分析师求职面试指南》徐麟 著